CN107917897A - 近红外光谱测定特医食品多组分含量的方法 - Google Patents
近红外光谱测定特医食品多组分含量的方法 Download PDFInfo
- Publication number
- CN107917897A CN107917897A CN201711461693.4A CN201711461693A CN107917897A CN 107917897 A CN107917897 A CN 107917897A CN 201711461693 A CN201711461693 A CN 201711461693A CN 107917897 A CN107917897 A CN 107917897A
- Authority
- CN
- China
- Prior art keywords
- food
- content
- sample
- near infrared
- special
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 235000013305 food Nutrition 0.000 title claims abstract description 37
- 235000013325 dietary fiber Nutrition 0.000 claims abstract description 24
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 24
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 24
- 238000012795 verification Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 8
- 238000002203 pretreatment Methods 0.000 claims abstract description 5
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 15
- 238000002790 cross-validation Methods 0.000 claims description 10
- 238000002512 chemotherapy Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000012491 analyte Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003018 immunoassay Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 238000009659 non-destructive testing Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 239000003814 drug Substances 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000000944 Soxhlet extraction Methods 0.000 description 1
- 102000013081 Tumor Necrosis Factor Ligand Superfamily Member 13 Human genes 0.000 description 1
- 108010065323 Tumor Necrosis Factor Ligand Superfamily Member 13 Proteins 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种利用近红外光谱测定特医食品多组分含量的方法，步骤是：（1）选取具有代表性的特医食品来初步验证近红外光谱检测特医食品多组分的可行性；（2）采用国家标准测定样品蛋白质、脂肪、膳食纤维的含量，作为参考值；（3）将样品随机分为校正集和验证集，采集样品的近红外光谱图；（4）对其近红外谱图的不同预处理方法进行筛选；（5）对建模的光谱谱区进行选择；（6）采用多元校正方法将样品谱图经过预处理后、在所选择波长范围时的光谱数据与相应的蛋白质、脂肪、膳食纤维含量进行关联，建立校正模型；（7）校正模型的验证与评价。本发明能实现特医食品多组分含量的同时、快速、无损检测。
Description
技术领域
本发明涉及分析技术领域，具体涉及特殊医学用途配方食品多组分含量的同时、快速、无损检测。
背景技术
特殊医学用途配方食品(Food for special medical purpose，以下简称特医食品)是指为了满足进食受限、消化吸收障碍、代谢紊乱或特定疾病状态人群对营养素或膳食的特殊需要，专门加工配制而成的配方食品。特医食品作为一种肠内营养制剂，可以起到营养支持的作用。《特殊医学用途配方食品注册管理办法》中对企业检验能力要求高，特医食品生产企业应具备按照特医食品国家标准规定的全部项目逐批检验能力。而特医食品营养成分众多(如蛋白质、脂肪、膳食纤维等)，国家标准所提供的传统方法(如：凯氏定氮法、索氏提取法等)需对样品进行预处理，操作繁琐费时，且需要大量试剂，不能同时测定。所以有必要在满足准确度与精确度前提下建立一种快速有效的检测方法。
近红外光谱技术综合了计算机技术、光谱技术和化学计量学等多个学科，是近年来发展迅猛的无损检测技术。波长范围为780～2500nm，能在此波段产生振动的主要为含H基团，如O-H、C-H、N-H、S-H等，因此近红外可对含H基团的有机物(如：蛋白质、脂肪、膳食纤维等)进行定性或定量分析。近红外光谱法与国家标准方法的比较见表1，但是尚无将之用于特殊医学用途配方食品的含量测定。
表1近红外光谱与国家标准所用方法的比较
发明内容
本发明目的在于提供一种利用近红外光谱快速、同时、无损测定特医食品多组分含量的方法，且具有较高的准确性和精确度。
技术解决方案如下：
利用近红外光谱测定特医食品多组分含量的方法，包括以下步骤：
(1)选取具有代表性的特医食品来初步验证近红外用于特医食品多组分检测的可行性。代表性是指样品的蛋白质、脂肪、膳食纤维含量能涵盖所期望的变化范围，而且在这个范围是均匀变化的。选取的特医食品中蛋白质的含量范围为1％～10％，脂肪的含量范围为1.5％～6％，膳食纤维的含量范围为2％～11％。
特医食品的样本数在近红外正式建模型时为80～100个，本发明选用30个样品来验证近红外用于特医食品多组分检测的可行性，为正式建立模型提供必要的基础。
(2)分别采用国家标准GB5009.5-2016、GB5009.6-2016、GB5009.88-2014测定样品蛋白质、脂肪、膳食纤维的含量，作为化学值。
(3)按5:1的比例将样品随机分为校正集和验证集，采集特医食品校正集和验证集的近红外光谱图，采集参数分别为分辨率：14～18nm；测量速度：2000～6000ms；测量次数：3～10次；光谱采集方式：透射；测量温度：25℃。
(4)光谱的预处理：为了消除光谱噪音，减少其它因素对光谱的干扰，需要对光谱进行预处理，以相关系数r、交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)为评价指标，用化学计量学软件ChemoStudio对近红外谱图的不同预处理方法进行筛选。
所述的不同预处理方法包括：均值中心化、主成分分析法(PCA)、马氏距离法、标准正态变量变换(SNV)、多元散射校正(MSC)、平滑处理、导数法。因为采用一阶导数及平滑预处理方法具有较高的r值，较低的RMSECV和RMSEP，因此选用一阶导数及平滑预处理方法对近红外谱图进行预处理。
(5)选择合适的谱区范围:对建模的光谱谱区进行选择，可减少噪声影响，提高运算效率和模型的稳定性。可从全谱中挑选出与样品待测组分响应值大的光谱区间进行建模。本发明中选择的谱区范围为1550～1850nm/2050～2350nm。
(6)采用多元校正方法将样品谱图经过一阶导数及平滑预处理、在所选择波长范围时的光谱数据与相应的蛋白质、脂肪、膳食纤维含量进行关联，建立校正模型。
所述的多元校正方法分为线性回归和非线性回归。其中线性回归方法主要有多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘法回归(PLSR)，非线性回归方法有人工神经网络(ANN)和支持向量机(SVM)等。本发明中采用偏最小二乘法回归。
(7)校正模型的验证与评价：采用留一交叉验证法验证或外部验证对模型进行验证，验证指标有相关系数r、交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)。
附图说明
图1为样品的原始近红外光谱图；
图2为蛋白质校正模型图，r＝0.996；
图3为脂肪校正模型图，r＝0.998；
图4为膳食纤维校正模型图，r＝0.989。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
实施例1测定特医食品中蛋白质、脂肪、膳食纤维的含量
(1)选取30个具有代表性的特医食品。蛋白质的含量范围为1％～10％，脂肪的含量范围为1.5％～6％，膳食纤维的含量为2％～11％。各样品具体蛋白质、脂肪、膳食纤维的含量见表2。
表2各样品蛋白质、脂肪、膳食纤维含量
(2)采用国家标准GB5009.5-2016、GB5009.6-2016、GB5009.88-2014中的凯氏定氮法、索氏提取法、酶水解法分别测定各样品的蛋白质、脂肪、膳食纤维含量，作为化学值。
(3)验证集的选择：将样品随机分为校正集和验证集，其中校正集26个，验证集4个。本实验实施例1中选取5、6、7、19号样品为验证集，校正集用于建模，验证集用于验证建模的准确性。
光谱的采集：用近红外光谱仪(傅里叶变换近红外光谱仪，博尔，B311)直接扫描30个样品，得到近红外谱图(见图1，为样品1、样品10、样品15、样品20、样品22的近红外谱图，其余未列)。光谱采集参数分别为分辨率：14～18nm；测量速度：2000～6000ms；测量次数：3～10次；光谱采集方式：透射；测量温度：25℃。
(4)光谱的预处理：以相关系数r、交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)为评价指标，用化学计量学软件ChemoStudio对步骤(4)得到的近红外谱图的不同预处理方法进行筛选，因为采用一阶导数及平滑预处理方法具有较高的r值，较低的RMSECV和RMSEP。因此实施例1本实验选用一阶导数及平滑预处理方法对近红外谱图进行预处理。
(5)谱区范围的选择：以相关系数r、交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)为评价指标，用化学计量学软件ChemoStudio对步骤(4)得到的近红外谱图的不同波长范围进行筛选。实施例1选择的谱区范围为：1550～1850nm/2050～2350nm。
(6)校正模型的建立：采用偏最小二乘法回归(PLSR)将30个样品谱图经过一阶导数及平滑预处理、在波长1550～1850nm/2050～2350nm时的光谱数据与相应的蛋白质、脂肪、膳食纤维含量进行关联，建立校正模型，见图2-4。
(7)校正模型的验证与评价：对未参与建模的4个验证集样品进行预测，并将预测值与各组分的化学值进行比较，具体数据见表3。
表3近红外定量模型对验证集样品蛋白质、脂肪、膳食纤维含量的预测结果
其中蛋白质、脂肪、膳食纤维的相关系数r依次为0.996、0.988、0.989，交叉验证均方根误差(RMSECV)依次为0.27、0.26、0.51，预测均方根误差(RMSEP)依次为0.48、0.33、0.62。蛋白质、脂肪、膳食纤维近红外定量模型的各参数见表4。
表4蛋白质、脂肪、膳食纤维各近红外模型参数
| 模型 | 光谱预处理方法 | r | RMSEC | RMSEP | 谱区范围(nm) |
| 蛋白质 | 一阶导数、平滑 | 0.996 | 0.27 | 0.48 | 1550～1850/2050～2350 |
| 脂肪 | 一阶导数、平滑 | 0.988 | 0.26 | 0.33 | 1550～1850/2050～2350 |
| 膳食纤维 | 一阶导数、平滑 | 0.989 | 0.51 | 0.62 | 1550～1850/2050～2350 |
(8)未知样品的分析：对未知含量的特医食品进行光谱扫描，调用校正模型来进行蛋白质、脂肪、膳食纤维含量测定。
Claims (5)
1.利用近红外光谱测定特医食品多组分含量的方法，包括以下步骤：
(1)选取具有代表性的特医食品来初步验证近红外光谱用于特医食品多组分检测的可行性；所述的代表性是指样品的蛋白质、脂肪、膳食纤维含量能涵盖期望的变化范围，而且在这个范围是均匀变化；
（2）采用国家标准分别测定样品蛋白质、脂肪、膳食纤维的含量，作为参考值；
（3）按5:1的比例将样品随机分为校正集和验证集，采集特医食品校正集和验证集的近红外光谱图，采集参数分别为分辨率：14 ~ 18nm；测量速度：2000 ~ 6000ms；测量次数：3 ~10次；光谱采集方式：透射；测量温度：25℃；
（4）光谱的预处理：以相关系数r、交叉验证均方根误差、预测均方根误差为评价指标，用化学计量学软件ChemoStudio对近红外谱图的不同预处理方法进行筛选；因为采用一阶导数及平滑预处理方法具有较高的r值，较低的交叉验证均方根误差、预测均方根误差，因此选用一阶导数及平滑预处理方法对近红外谱图进行预处理；
（5）选择谱区范围:对建模的光谱谱区进行选择，从全谱中挑选出与样品待测组分响应值大的光谱区间进行建模；
（6）采用多元校正方法将样品谱图经过一阶导数及平滑预处理、在所选择波长范围时的光谱数据与相应的蛋白质、脂肪、膳食纤维含量进行关联，建立校正模型;
(7)校正模型的验证与评价：采用留一交叉验证法验证或外部验证对模型进行验证，验证指标有相关系数r、交叉验证均方根误差、预测均方根误差。
2.权利要求1所述的利用近红外光谱测定特医食品多组分含量的方法，其特征在于，步骤（1）中所述的期望的变化范围是指：选取的特医食品中蛋白质的含量范围为1% ~ 10%，脂肪的含量范围为1.5% ~ 6%，膳食纤维的含量范围为2% ~ 11%。
3.权利要求1所述的利用近红外光谱测定特医食品多组分含量的方法，其特征在于，步骤（3）中所述的不同预处理方法包括：均值中心化、主成分分析法、马氏距离法、标准正态变量变换、多元散射校正、平滑处理、导数法。
4.权利要求1所述的利用近红外光谱测定特医食品多组分含量的方法，其特征在于，步骤（6）中，所述的多元校正方法为偏最小二乘法回归。
5.权利要求1所述的利用近红外光谱测定特医食品多组分含量的方法，其特征在于，步骤（5）中，选择的谱区范围为1550 ~ 1850 nm/2050 ~ 2350 nm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711461693.4A CN107917897A (zh) | 2017-12-28 | 2017-12-28 | 近红外光谱测定特医食品多组分含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711461693.4A CN107917897A (zh) | 2017-12-28 | 2017-12-28 | 近红外光谱测定特医食品多组分含量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107917897A true CN107917897A (zh) | 2018-04-17 |
Family
ID=61894362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711461693.4A Pending CN107917897A (zh) | 2017-12-28 | 2017-12-28 | 近红外光谱测定特医食品多组分含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107917897A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540417A (zh) * | 2019-11-20 | 2020-08-14 | 杭州华东医药集团新药研究院有限公司 | 一种卡格列净的晶型定量方法 |
| CN111751364A (zh) * | 2020-06-28 | 2020-10-09 | 浙江省农业科学院 | 蜂王浆水溶性蛋白和总糖快速测定方法 |
| CN112798555A (zh) * | 2020-12-25 | 2021-05-14 | 江苏大学 | 一种提高小麦粉的粗蛋白校正模型适应性的建模方法 |
| CN113484270A (zh) * | 2021-06-04 | 2021-10-08 | 中国科学院合肥物质科学研究院 | 一种单粒水稻脂肪含量定量分析模型的构建及检测方法 |
| CN113670840A (zh) * | 2021-08-13 | 2021-11-19 | 华南农业大学 | 鲜切笋中不溶性膳食纤维含量的快速无损检测方法 |
| CN113945539A (zh) * | 2021-10-18 | 2022-01-18 | 江西农业大学 | 基于gwas筛选后近红外光谱特征波段预测品质的方法及系统 |
| CN114354535A (zh) * | 2022-01-06 | 2022-04-15 | 中国科学院长春光学精密机械与物理研究所 | 基于近红外光谱技术的可溶性膳食纤维快速检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105588819A (zh) * | 2016-03-11 | 2016-05-18 | 江西出入境检验检疫局检验检疫综合技术中心 | 一种婴幼儿米粉中成分含量的近红外快速检测方法 |
| CN105606561A (zh) * | 2015-12-31 | 2016-05-25 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定火龙果主要营养成分的方法 |
| CN106164646A (zh) * | 2014-03-28 | 2016-11-23 | 江原大学校产学协力团 | 利用近红外分光法同时分析不同原料及形态的多种食品中营养成分含量的方法 |
| CN206557090U (zh) * | 2017-03-02 | 2017-10-13 | 食品行业生产力促进中心 | 一种用于营养餐主要营养成分检测的装置 |
-
2017
- 2017-12-28 CN CN201711461693.4A patent/CN107917897A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106164646A (zh) * | 2014-03-28 | 2016-11-23 | 江原大学校产学协力团 | 利用近红外分光法同时分析不同原料及形态的多种食品中营养成分含量的方法 |
| CN105606561A (zh) * | 2015-12-31 | 2016-05-25 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定火龙果主要营养成分的方法 |
| CN105588819A (zh) * | 2016-03-11 | 2016-05-18 | 江西出入境检验检疫局检验检疫综合技术中心 | 一种婴幼儿米粉中成分含量的近红外快速检测方法 |
| CN206557090U (zh) * | 2017-03-02 | 2017-10-13 | 食品行业生产力促进中心 | 一种用于营养餐主要营养成分检测的装置 |
Non-Patent Citations (9)
| Title |
|---|
| LEE-SEUL SONG ET AL.: "Quantitative Analysis of Carbohydrate, Protein, and Oil Contents of Korean Foods Using Near-Infrared Reflectance Spectroscopy", 《JOURNAL OF THE KOREAN SOCIETY OF FOOD SCIENCE AND NUTRITION》 * |
| RAGNAR NORTVEDT ET AL.: "Application of near-infrared transmittance spectroscopy in the determination off fat, protein and dry matter in Atlantic halibut fillet", 《CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEM》 * |
| YOUNG-AH WOO ET AL.: "Development of a New Measurement Unit (MilkSpec-1) for Rapid Determination of Fat, Lactose, and Protein in Raw Milk Using Near-Infrared Transmittance Spectroscopy", 《APPLIED SPECTROSCOPY》 * |
| 夏立娅: "《农产品原产地鉴定技术研究》", 30 September 2016 * |
| 杨立新 等: "运用近红外光谱建立延胡索中5种生物碱成分同步测定的定量模型", 《中国中药杂志》 * |
| 梁生旺: "《中药制剂分析 供中药学类药学类制药工程等专业用 新世纪第3版》", 30 April 2013, 中国中医药出版社 * |
| 第70-75页: "特殊医学用途配方食品研究进展与展望", 《生物产业技术》 * |
| 葛兆强 等: "膳食纤维在特殊医学用途配方食品中的应用", 《精细与专用化学品》 * |
| 陈斌 等: "特殊医学用途配方食品及其应用研究", 《食品科学技术学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540417A (zh) * | 2019-11-20 | 2020-08-14 | 杭州华东医药集团新药研究院有限公司 | 一种卡格列净的晶型定量方法 |
| CN111751364A (zh) * | 2020-06-28 | 2020-10-09 | 浙江省农业科学院 | 蜂王浆水溶性蛋白和总糖快速测定方法 |
| CN111751364B (zh) * | 2020-06-28 | 2023-05-23 | 浙江省农业科学院 | 蜂王浆水溶性蛋白和总糖快速测定方法 |
| CN112798555A (zh) * | 2020-12-25 | 2021-05-14 | 江苏大学 | 一种提高小麦粉的粗蛋白校正模型适应性的建模方法 |
| CN113484270A (zh) * | 2021-06-04 | 2021-10-08 | 中国科学院合肥物质科学研究院 | 一种单粒水稻脂肪含量定量分析模型的构建及检测方法 |
| CN113670840A (zh) * | 2021-08-13 | 2021-11-19 | 华南农业大学 | 鲜切笋中不溶性膳食纤维含量的快速无损检测方法 |
| CN113945539A (zh) * | 2021-10-18 | 2022-01-18 | 江西农业大学 | 基于gwas筛选后近红外光谱特征波段预测品质的方法及系统 |
| CN113945539B (zh) * | 2021-10-18 | 2023-07-04 | 江西农业大学 | 基于gwas筛选后近红外光谱特征波段预测品质的方法及系统 |
| CN114354535A (zh) * | 2022-01-06 | 2022-04-15 | 中国科学院长春光学精密机械与物理研究所 | 基于近红外光谱技术的可溶性膳食纤维快速检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107917897A (zh) | 近红外光谱测定特医食品多组分含量的方法 | |
| CN105181642B (zh) | 一种花生品质的近红外检测方法及应用 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN101713731B (zh) | 一种药物制剂包衣质量的鉴别方法 | |
| Zhu et al. | Determination of soybean routine quality parameters using near‐infrared spectroscopy | |
| CN106706553A (zh) | 一种快速无损测定玉米单籽粒直链淀粉含量的方法 | |
| CN104792722A (zh) | 一种沉香含油率近红外光谱预测模型的建立 | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| CN103674854A (zh) | 一种基于联合区间偏最小二乘判别分析的苹果分级方法 | |
| CN102735642A (zh) | 一种快速无损鉴别初榨橄榄油和油橄榄果渣油的方法 | |
| CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
| CN110082310A (zh) | 一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法 | |
| Cui et al. | Identification of maize seed varieties based on near infrared reflectance spectroscopy and chemometrics | |
| CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
| CN108760677A (zh) | 一种基于近红外光谱技术的法半夏掺伪鉴别方法 | |
| CN109540837A (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
| CN107121408A (zh) | 食用植物油品种的快速无损鉴别方法 | |
| CN110084227A (zh) | 基于近红外光谱技术的模式识别方法 | |
| CN110376154A (zh) | 基于光谱校正的水果在线检测方法及系统 | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
| Wang et al. | Nondestructive testing of muskmelons varieties based on dielectric spectrum technology | |
| CN113310929A (zh) | 高温灭菌奶中掺加豆粉及其掺加比例的光谱鉴定方法 | |
| CN106706554A (zh) | 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180417 |